@article{oai:bunkyo.repo.nii.ac.jp:00003250,
 author = {鈴木, 昇一 and 川俣, 博司 and 大槻, 善樹},
 journal = {情報研究, Information and Communication Studies},
 month = {2002-01-01, 2011-02-23},
 note = {本論文では,風景画像に関する,文献[6]の理解理論をほぼ忠実に、JAVA言語でシュミレーションした結果が報告される.画像内容を理解する従来の方法と決定的に相違する点は,入力画像の意味はこの画像から想起される内容であるとしていることである.
　風景画像を理解する本研究で構築された本システムは,パターンモデルTφを見るとあたかも原パターンφであるかのように錯覚する(パターンモデルTφと原パターンφと間の同一知覚原理).
　処理の対象とするパターンφのパターンモデルTφを次々と多段階にわたって連想的に変換しながら最終的には或るカテゴリの不動点パターンモデルを求め認識する認識法(不動点連想形多段階認識法)がS.Suzukiによって既に提案されている.この多段階認識法を画像内の各画素ごとにその各画素の帰属するカテゴリ(類概念)を決定すること(認識)に適用し,風景画像を理解するシステムRECOGNITRONが既に構築されているが[6],本論文では,このRECOGNITRONをJAVA言語で表現し,1枚の風景画像の内容を理解する機能に関する計算機シミュレーション結果が検討される.
　多段階認識法によって決定された各画素の帰属するカテゴリをすべての画素について集めると,本画像理解システムRECOGNITRONが一枚の画像をどのように理解しているかが判明することになる.RECOGNITRONが今注目している画素の近傍にある画像成分の情報を用いて,この画素の帰属するカテゴリを決定し,得られた帰属するカテゴリのラベルをその画素に貼りつけるとしよう.その結果,画像内の全ての画素について,その帰属するカテゴリラベルが付与される.このようにして,風景画像内に空,木,車,家,道路,電柱(6個のカテゴリ)が存在するかどうかをRECOGNITRONは理解する.
　各画素にカテゴリラベルを付与する形式のため,領域分割(セグメンテーション)を必要としない認識処理を実現することができ,画素単位に一枚の画像についてその知識を詳細にかつ連想的に抽出できることが特色である.本研究において構築されたシステムは,その万能性を備えていることが証明されている"S.Suzukiのパターン情報処理に関するSS数理"を素直に画像理解に適用して得られたものである.
　その性能を確かめた本画像理解法の特色として,次の①,②,③ が挙げられる:
　① 多段階にわたって,SS理論でのモデル構成作用素T,類似度関数SM,大分類関数BSCで構成される構造受精変換を用い,入力パターンのモデルを或るカテゴリの不動点パターンモデルへ連想形変換する.
　② 画素単位の認識なので,1枚の画像内容を画像の理解以前にセグメンテーションをする必要がない.
　③ 画像内の個々の事物についてRECOGNITRONの持っている知識と学習能力とに応じ,認識可能(該当するカテゴリが唯1個あること)・認識不定(該当するカテゴリが複数個あること)・認識不能(該当するカテゴリが1個もないこと)という3結果が得られ,理解できない場合異常な結果を出力することがある.
　本計算機シミュレーションでは,複数のモデル構成作用素T,複数の類似度関数SMと,ファジィ推論を行うニューラルネットとしての大分類関数BSCが構築されており,これらの組み合わせによって,画像理解システムとしての多種多様のRECOGNITRONの集合体が得られる多重構成方式が採用されている.マウスをクリックすることによって1つの構成方式を選定できるようになっている.計算機シミュレーション結果においては,ほぼ良好な理解性能が確保されている.
\n　A result of simulation carried out by using a JAVA language is presented here according to an image-understanding theory [6] proposed by S.Suzuki. A point of, difference between S.Suzuki theory and traditional theories is that a meaning of an input image is represented by a model of a recalled image in S.Suzuki theory.
　A system presented here which is intented so as to be able to understand a scene-image deals with a model Tφ corresponding to an input pattern φ as if Tφ were φ. We call this assumption an identical perceptual principle between Tφ and . φ.
　S.Suzuki proposed already a multi-stage transformational recognition method (MSTRM) of searching and recalling a fixed-point. MSTRM tranforms a input pattern φ to be processed in question into Tφ in the first place, and then transforms Tφ into a sequence of pattern-models for the purpose of searching and recalling a fixed-point model of a prototypical pattern associated with a category. We can try to apply MSTRM to determining each category to which each pixel belongs. As the conclusion of such a trial we have already obtained RECOGNITRON which can understand a substance of an scene image in question [6]. In this paper we construct this RECOGNITRON by use of program language JAVA, and examine a result obtained about a faculty of understanding a given image.
　If each category determined by MSTRM is called together concerning each pixel in the image, how much RECOGNITRON understood a subatance of the image will become clear. Let RECOGNITRON stick on each pixel a label of a belonging category determined by using the neighbour of the pixel being watched to show what the image is. As this result all pixels in the image have belonging category-labels. By this means RECOGNITRON can understand whether sky, trees, cars, houses, roads and electric-light poles (six categories) exists in the image.
　RECOGNITRON does. not necessitate to segment the image because REWGNITRON adopts a method of attaching each category-label to each pixel, and can fully extract knowledges from the image associatively. This fact is characteristic of RECOGNITRON. The system constructed here has been obtained by obediently applying a mathematical theory (SS theory) of recognizing patterns proposed by S.Suzuki to a field of image-understanding. SS theory has already been proven to be universal in recognizing patterns.
　Three distinctive features of the method of image-uiiderstanding whose performance are made sure are explained as follows :
　① RECOGNITRON transforms associatively the model of the input pattern to a fixed-point patternmodel of a prototypical pattern of a category through multi-stages by repeatedly using a structual fertilization transformation whose components are a model-construction operator T, a similaritymeasure function SM and a rough classifier BSC.
　② A region segmentation is not needed before understanding an image because of pixel-wise recognition.
　③ According to how much RECGNITRON has knowledges and learnablity, RECOGNITRON sometimes has two ill feelings against a thing in the input image. RECOGNITRON may output 3 results of recognition for things in the input image (I) definite recognizabilty (in the event of obtained categories being, only one)
　　(Ⅱ) indefinite, recognizablity (in the event of obtained categories being more than two)
　　(Ⅲ) impossible recognizablity (in the event of obtained categories being zero)
　RECOGNITRON has the plural model-construction operators Ts, the plural similarity-measure functions SMs, and the single rough classifier BSC which can perform a fuzzy inference as a neural network. We can select only one RECOGNITRON among these combinations by clickking a mouse. The obtained computer simulation came to conclusion that RECOGNITRON serves the purpose of an image-understanding.},
 pages = {73--109},
 title = {風景画の理解に関するJAVA言語によるRECOGNITRONの計算機シミュレーション},
 volume = {27},
 year = {}
}